作者：PatrickBush，MatthewSigel?來源：VanEck?翻譯：善歐巴，喜來順財經
本文概述了人工智能加密貨幣到 2030 年的潛在收入場景，以 $102 億為基準預測，并強調了公共區塊鏈在推動人工智能采用方面通過關鍵功能發揮的重要作用。請注意，VanEck 可能持有以下所述數字資產的頭寸。
關鍵要點：
在我們的基準預測中，預計到 2030 年，加密貨幣人工智能收入將達到 102 億美元。
區塊鏈技術可能成為人工智能采用和去中心化人工智能解決方案進步的關鍵驅動因素。
與加密激勵措施的集成可以提高人工智能模型的安全性和效率。
區塊鏈可能成為解決人工智能身份驗證和數據完整性挑戰的方案。
公共區塊鏈極有可能成為解鎖人工智能 (AI) 廣泛采用的關鍵，而 AI 應用將成為加密貨幣存在的意義。這是因為加密貨幣提供了人工智能所需的重要基礎元素，例如透明度、不可變性、明確定義的所有權屬性和對抗性測試環境。我們相信這些屬性將證明對人工智能充分發揮其潛力至關重要?；趯θ斯ぶ悄茉鲩L的估計，我們認為到 2030 年，專注于人工智能的加密項目收集的年度收入基準預測為 102 億美元。在這篇文章中，我們推測了加密貨幣在促進人工智能采用方面所扮演的角色以及加密貨幣將從人工智能業務中獲得的價值。
我們發現加密貨幣在人工智能中的最佳應用是：
提供分散的計算資源
模型測試、微調和驗證
版權保護和數據完整性
人工智能安全
身份
加密貨幣對人工智能來說非常有用，因為它已經解決了人工智能當前和未來面臨的許多挑戰。從本質上講，加密貨幣解決了協調問題。加密貨幣將人員、計算和貨幣資源結合在一起來運行開源軟件。它通過以與每個網絡的價值相關的代幣形式向創建、支持和使用每個區塊鏈網絡的人提供獎勵來實現這一目標。該獎勵系統可用于引導人工智能價值堆棧的不同組件。將加密技術與人工智能相結合的一個重要意義在于，利用加密貨幣激勵措施來開發必要的物理基礎設施，例如 GPU 集群，專門用于訓練、微調和支持生成模型的使用。
區塊鏈還帶來了數字所有權的透明度，這可能有助于解決人工智能將在法庭上面臨的一些開源軟件問題，這在《紐約時報》訴 OpenAI 和微軟的訴訟中已經很引人注目。也就是說，加密可以透明地證明數據所有者、模型構建者和模型用戶的所有權和版權保護。這種透明度還將擴展到將模型有效性的數學證明發布到公共區塊鏈上。最后，由于不可偽造的數字簽名和數據完整性，我們相信公共區塊鏈將有助于減輕識別和安全問題，否則這些問題會削弱人工智能的有效性。
資料來源：摩根士丹利、彭博資訊、VanEck Research 截至 2024 年 1 月 29 日。過去的表現并不能保證將來的結果。本博客中提供的信息、估值情景和價格目標無意作為財務建議或任何行動號召、購買或出售建議，或作為對人工智能業務未來表現的預測。未來的實際表現尚不清楚，可能與此處描述的假設結果有很大差異。所提出的場景中可能存在未考慮到的風險或其他因素，這些因素可能會阻礙績效。這些僅僅是基于我們研究的模擬結果，僅供說明之用。請進行自己的研究并得出自己的結論。
為了預測加密人工智能的市場，我們首先估計人工智能帶來的商業生產力收益的總可尋址市場（TAM），我們的這一數字的基線來自麥肯錫2022 年的假設。然后，我們將經濟和生產率增長假設應用到麥肯錫的數據中，找到一個基本案例，即 2030 年 TAM 為 5.85T 美元。在此基本情況下，我們假設 AI 生產力增長比 GDP 增長高 50%，GDP 增長 3%。然后，我們預測人工智能在全球企業中的市場滲透率（在基本情況下為 33%），并將其應用到我們的初始 TAM 中，預計人工智能將為企業帶來 1.93T 美元的生產力提升。為了計算所有人工智能業務的收入，我們假設這些生產力收益的 13% 由人工智能業務捕獲（或由企業消費者花費）作為收入。我們通過應用標準普爾 500 強企業勞動力成本的平均收入份額來估算人工智能收入占比，并假設人工智能支出應該相似。我們分析的下一部分應用 Bloomberg Intelligence 對 AI 價值堆棧分布的預測來估算每個 AI 業務群體的年收入。最后，我們對每個人工智能業務的加密貨幣市場份額進行具體估計，以得出每個案例和每個市場的最終數據。
我們設想未來將利用開源公共存儲庫構建的去中心化人工智能模型應用于每個可以想象的用例。在許多情況下，這些開源模型勝過集中式人工智能創作。這一假設的基礎源于這樣的假設：開源社區將有獨特動機改進事物的愛好者和愛好者聚集在一起。我們已經看到開源互聯網項目打破了傳統業務。這種現象最好的例子是維基百科有效地結束了商業百科全書業務，而推特則擾亂了新聞媒體。這些開源社區在傳統企業失敗的地方取得了成功，因為開源團體通過社會影響力、意識形態和團體團結的結合來協調和激勵人們提供價值。簡而言之，?關心。
將開源人工智能模型與加密貨幣激勵相結合，可以擴大這些新興社區的影響力，賦予他們財務能力，以創建必要的基礎設施來吸引新參與者。將這一前提應用于人工智能將是熱情和金錢資源的迷人結合。人工智能模型將在加密貨幣激勵競賽中接受測試，建立模型評估基準的環境。在這種環境下，最有效的模型和評估標準會獲勝，因為每個模型的價值都被明確量化。因此，在我們的基本案例中，我們預計區塊鏈生成的人工智能模型將占所有人工智能軟件收入的 5%。這一估算包括硬件、軟件、服務、廣告、游戲等，反映了企業運營數量的轉變。在 AI 軟件的總收入中，我們預計這將占所有 AI 收入的一半左右，即 $125.50B 左右。因此，我們預計開源模型的 5% 市場份額相當于$6.27B的收入將用于加密代幣支持的人工智能模型。
我們預計，到 2030 年，用于微調、訓練和推理的計算（或人工智能基礎設施即服務）的 TAM 可能會達到 $47.44B。隨著人工智能的廣泛采用，人工智能將成為世界經濟許多功能不可或缺的一部分，計算和存儲的供應可以被設想為類似于發電和配電的公共設施。在這種動態中，絕大多數“基本負載”將來自 Amazon 和 Google 等 GPU 云超大規模企業，其市場份額將近似帕累托分布80%。我們看到區塊鏈分配的后端服務器基礎設施可以滿足特殊需求，并在高網絡需求期間充當“峰值”提供商。對于定制人工智能模型的生產者來說，加密存儲和計算提供商提供了諸如按需服務交付、更短的 SLA 鎖定期、更定制的計算環境以及更高的延遲敏感性等優勢。此外，去中心化 GPU 可以與智能合約中的去中心化 AI 模型無縫集成，從而實現 AI 代理擴展自己的計算需求的無需許可的用例。將區塊鏈提供的 GPU 視為人工智能計算基礎設施的 Uber/Lyft 等價物，我們認為區塊鏈提供的計算和存儲將占據人工智能基礎設施非超大規模市場的 20%，可能產生到 2030 年將達到 $1.90B。
通過可證明的鏈上人性在人工智能代理和模型的背景下定義“身份”可以被視為世界計算機網絡的女巫防御機制。我們可以通過檢查與保護不同區塊鏈網絡相關的費用來估計這項服務的成本。2023 年，比特幣、以太坊和 Solana 的成本分別約為1.71%、4.3%、 和 5.57%，分別為每個網絡通脹發行價值的 5.57%。保守地說，我們可以推斷身份識別應占人工智能市場的 3.5% 左右。考慮到 AI 軟件的 TAM 為 $125.5B，這對應于 $8.78B 的年度收入。由于我們相信加密貨幣為身份問題提供了最佳解決方案，因此我們相信它將占據該終端市場 10% 的市場份額，預計其年收入約為?8.78 億美元。
人工智能安全有望成為人工智能設備的另一個重要組成部分，其基本要求是使用未損壞的、相關的最新數據來驗證模型是否運行正確。隨著人工智能擴展到人類生命面臨風險的應用領域，例如自動駕駛汽車、工廠機器人和醫療保健系統，對失敗的容忍度變得很小。發生事故時問責的需要將推動保險市場需要具體的安全證明。公共區塊鏈是實現此功能的理想選擇，因為它們可以在任何人都可以看到的不可更改的分類賬上發布“安全證明”。這項業務可以被認為類似于金融機構的合規性?？紤]到美國的商業和投資銀行產生 $660B 的收入，同時花費 $58.75B 的合規成本（占收入的 8.9%），我們預計 AI 安全應占 $251B AI TAM 的 $22.34B 左右。盡管加密貨幣具有增強人工智能安全的潛力，但鑒于美國政府對人工智能的關注，我們相信人工智能的大部分合規性將是集中的。因此，我們估計加密貨幣將占該市場的 5% 左右，即$1.12B左右。
加密貨幣可以將其巨大的社會和財務協調優勢應用于計算訪問的民主化，從而解決當前困擾人工智能開發人員的痛點。除了高昂的成本和獲得優質 GPU 的機會有限之外，人工智能模型構建者目前還面臨著其他棘手的問題。其中包括供應商鎖定、缺乏安全性、計算可用性有限、延遲差以及國家法律規定的地理圍欄。
加密貨幣能夠滿足人工智能對 GPU 的需求，源于加密貨幣通過代幣激勵匯集資源的能力。比特幣網絡的代幣價值為 850B 美元，股權價值為 20B 美元，這證明了這種能力。因此，當前的比特幣礦工和有前途的去中心化 GPU 市場都有潛力通過提供去中心化計算來為人工智能增加巨大的價值。
對于理解通過區塊鏈提供 GPU 的一個有用的類比是發電業務。簡單來說，有一些實體運營著大型、昂貴的工廠，可以穩定地發電以滿足大多數電網需求。這些“基本負荷”工廠的需求穩定，但需要大量的建設資本投資，導致資本回報率相對較低但有保證。補充基本負載的是另一類稱為“峰值功率”的發電機。當電力需求超過基本負荷發電能力時，這些企業提供電力。這涉及高成本、小規模的能源生產，其戰略定位接近該能源的需求。我們預計“按需計算”領域也會出現類似的動態。
比特幣和其他工作量證明加密貨幣與人工智能一樣對能源有很高的需求。這種能源必須被創造、獲取、運輸并分解成可用電力來為采礦設備和計算集群供電。該供應鏈需要礦商對發電廠、購電協議、電網基礎設施和數據中心設施進行大量投資。挖礦 PoW 加密貨幣帶來的貨幣激勵導致了許多分布在全球的比特幣礦工的出現，這些礦工擁有能源和電力權利以及集成的網格架構。這些能源大部分來自成本較低、社會回避的碳密集型能源。因此，比特幣礦工可以提供的最引人注目的價值主張是為人工智能后端基礎設施提供動力的低成本能源基礎設施。
AWS 和微軟等超大規模計算提供商一直奉行投資垂直整合運營并建立自己的能源生態系統的戰略。大型科技公司已經向上游發展，設計自己的芯片并采購自己的能源，其中大部分是可再生能源。目前，數據中心消耗了美國企業可用的可再生能源的三分之二。微軟和亞馬遜都承諾到 2025 年實現 100% 可再生能源供應。然而，如果預期的計算需求超出預期，正如一些人所說，到 2027 年，以人工智能為中心的數據中心數量可能會增加一倍，資本支出可能是目前估計的三倍。大型科技公司已經支付了 0.06-0.10 美元/千瓦時的電力費用，比競爭性比特幣礦工通常支付的價格（0.03-0.05 千瓦時）貴得多。如果人工智能對能源的需求超過了大型科技公司當前的基礎設施計劃，那么比特幣礦商相對于超大規模礦商的電力成本優勢可能會大幅增加。礦工越來越被與 GPU 供應相關的高利潤人工智能業務所吸引。值得注意的是，蜂巢10 月份報道稱，按每兆瓦計算，其 HPC 和 AI 業務產生的收入是比特幣挖礦的 15 倍。其他抓住人工智能機會的比特幣礦工包括 Hut 8 和 Applied Digital。
比特幣礦商在這個新市場中經歷了增長，這有助于實現收入多元化并增強收益報告。在 Hut 8 的 2023 年第三季度分析師電話會議中，首席執行官 Jaime Leverton 表示：“在我們的 HPC 業務中，我們在第三季度通過新客戶的增加和現有客戶的增長創造了一些動力。上周，我們推出了按需云服務，為那些從我們的 GPU 尋求 HPC 服務的客戶提供基于 Kubernetes 的應用程序，這些應用程序可以支持人工智能、機器學習、視覺效果和渲染工作負載。這項服務將控制權交到我們的客戶手中，同時將配置時間從幾天縮短到幾分鐘，這對于那些尋求短期 HPC 項目的人來說尤其具有吸引力。小屋8已實現2023 年第三季度 HPC 業務收入為 450 萬美元，占該公司同期收入的 25% 以上。對 HPC 服務和新產品的需求不斷增長，應有助于該業務線的未來增長，隨著比特幣減半即將到來，HPC 收入可能很快就會超過挖礦收入，具體取決于市場狀況。
盡管他們的業務聽起來很有前途，但轉向人工智能的比特幣礦工可能會因缺乏數據中心建設技能或無法擴大電力供應而陷入困境。由于雇用新的以數據中心為中心的銷售人員的成本，這些礦工還可能會發現與運營管理費用相關的挑戰。此外，當前的采礦作業沒有足夠的網絡延遲或帶寬，因為它們對廉價能源的優化導致它們位于偏遠地區，通常缺乏高速光纖連接。
我們還看到了以計算為中心的加密項目的長尾，這些項目將占據人工智能服務器資源市場的一小部分但很大一部分。這些實體將協調超大規模之外的計算集群，以提供適合新貴人工智能構建者需求的價值主張。去中心化計算的好處包括可定制性、開放訪問和更好的合同條款。這些基于區塊鏈的計算公司使小型人工智能參與者能夠避免 H100 和 A100 等高端 GPU 的巨額費用和普遍不可用的情況。加密人工智能企業將通過創建圍繞加密代幣激勵構建的物理基礎設施網絡來滿足需求，同時提供專有IP來創建軟件基礎設施以優化人工智能應用程序的計算使用。區塊鏈計算項目將使用市場方法和加密獎勵來從獨立數據中心、具有過剩計算能力的實體和前 PoW 礦工那里發現更便宜的計算。為人工智能模型提供去中心化計算的一些項目包括Akash、渲染和io.net。
Akash每日收入。資料來源：Cloudmos 截至 2024 年 1 月 30 日。過去的表現并不能保證將來的結果。
Akash 是一個基于 Cosmos 的項目，可以認為是一個通用的去中心化“超級云””，提供 CPU、GPU、內存和存儲。實際上，它是一個連接云服務用戶和云服務提供商的雙向市場。Akash 的軟件旨在協調計算供應與需求，同時創建促進 AI 模型訓練、微調和運行的工具。Akash 還確保市場買家和賣家誠實履行其義務。Akash 通過其 $AKT 代幣進行協調，該代幣可用于以折扣價支付云服務費用。$AKT 還作為 GPU 計算提供商和其他網絡參與者的激勵機制。在供應方面，Akash 在添加計算供應商方面取得了長足進步，因為 Akash 市場上有 65 家不同的供應商。盡管在 Akash 的 AI 超級云于 2023 年 8 月 31 日首次亮相之前，計算需求一直低迷，
最近遷移到 Solana 的 Render 最初專注于將藝術家與分散的團體聯系起來，這些團體將提供 GPU 能力來渲染圖像和視頻。然而，Render 已開始將其去中心化 GPU 集群的重點放在滿足機器學習工作負載上，以支持深度學習模型。通過網絡改進提案RNP-004，Render 現在擁有一個 API 可以連接外部網絡（例如 io.net），該網絡將利用 Render 的 GPU 網絡進行機器學習。渲染社區隨后提出的提案獲得通過，允許通過Beam和FEDML訪問其 GPU來完成機器學習任務。因此，Render 已成為 GPU 工作負載的去中心化促進者，通過向提供商支付 RNDR 美元以及向運行網絡后端基礎設施的實體提供 RNDR 激勵來協調。
Io.net GPU 價格比較。來源：io.net截至 2024 年 1 月 4 日。
Solana 上另一個有趣的項目是 io.net，它被認為是 DePIN 或去中心化物理基礎設施網絡。io.net 的目的也是提供 GPU，但其重點僅在于應用 GPU 來驅動 AI 模型。除了簡單地協調計算之外，Io.net 還在其核心堆棧中添加了更多服務。其系統聲稱可以處理人工智能的所有組件，包括創建、使用和微調，以正確促進整個網絡中的人工智能工作負載并對其進行故障排除。該項目還利用了其他去中心化 GPU 網絡，例如 Render 和 Filecoin 及其自己的 GPU。盡管 io.net 目前缺乏代幣，但計劃于 2024 年第一季度推出。
然而，由于典型的633TB+提出的網絡需求，利用這種分布式計算仍然是一個挑戰訓練深度學習模型所需的數據。由于計算機能力的延遲和差異，位于全球各地的計算機系統也給并行模型訓練帶來了新的障礙。Together 是一家積極進軍開源基礎模型市場的公司，該公司正在構建一個去中心化云來托管開源人工智能模型。Together 將使研究人員、開發人員和公司能夠通過結合數據、模型和計算的直觀平臺來利用和改進人工智能，擴大人工智能的可訪問性并為下一代科技公司提供支持。Together 與領先的學術研究機構合作，構建了 Together 研究計算機，使實驗室能夠集中計算進行人工智能研究。該公司還與斯坦福基礎模型研究中心 (CRFM) 合作創建了語言模型的整體評估 (HELM)。HELM 是一個“活基準”，旨在通過提供評估此類基礎模型的標準化框架來提高人工智能的透明度。
自 Together 成立以來，創始人 Vipul Ved Prakash 率先啟動了多個項目，包括 1) GPT-JT，一個開放式 LLM，具有通過
喜來順財經
<strike id="ykeqq"></strike>
<fieldset id="ykeqq"></fieldset>